Standardised early warning scores in rural interfacility transfers: A pilot study into their potential as a decision-making aid
Notice bibliographique
Résumé
INTRODUCTION: While 12.4% of British Columbians live rurally, only 2.0% of specialists practise rurally, making interfacility transport of high-acuity patients vital. Decision-making aids have been identified as a way to improve the interfacility transfer process. We conducted a pilot study to explore the potential of the Standardised Early Warning Score (SEWS) as a decision-making aid for staff at sending facilities. METHODS: SEWSs were calculated from a database of 418 transfers from sending facilities in rural, small and medium population centres to larger receiving facilities. The SEWSs were compared against one another over time using McNemar's and the Wilcoxon signed-ranks tests. The SEWSs were then tested for their association with six outcomes using Pearson's or Fisher's Chi-squared test and the Mann-Whitney U-test. RESULTS: While at the sending facility, both the number of SEWSs that was four or greater and the average SEWS decreased over time (P < 0.001 for both). A first SEWS of four or greater was predictive of more intervention categories during transport (P = 0.047), an adverse event during transport (P = 0.004), an adverse event within 30 min of arrival at the receiving facility (P = 0.004) and death before discharge from the receiving facility (P = 0.043) but not deterioration during transport, or the length of stay at the receiving facility. CONCLUSION: Overall, the performance of the SEWS in the context of rural interfacility transport suggests that the tool will have utility in supporting decision-making.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».